英偉達落子新加坡：物理AI打開萬億藍海，邊緣計算升格戰略主線

5月20日，全球AI芯片巨頭英偉達宣布在新加坡設立其首個具身智能（Embodied AI）研發中心。這不僅是英偉達在亞太地區的第二處同類研發機構，更被視為其將"物理AI"從概念宣言推向產業落地的關鍵落子。

無獨有偶，波場創始人孫宇晨近日也公開斷言：“普通虛擬AI紅利已經結束，未來3年唯一主線是物理AI。”

兩條看似平行的行業動態，實則交匯于同一個產業共識：人工智能的競爭邏輯正在經歷一場根本性的范式轉換——從比拼大模型參數規模的“數字智能”競賽，全面轉向讀懂物理世界運行規律的“物理智能”角逐。

這一轉變，標志著全球AI產業正站在從生成式AI向物理AI迭代躍遷的歷史性拐點。

“物理AI”啟幕，萬億級藍海正在打開

“物理AI”（Physical AI）的學術源頭，可追溯至2020年發表于《Nature Machine Intelligence》的一篇開創性論文。彼時，研究者將其定義為“能夠執行與智能生物相關任務的物理系統理論與實踐”。

從學術概念到產業共識，物理AI經歷了五年的醞釀與積累。2025年，黃仁勛在鏈博會上率先將物理AI定義為"人工智能下一波核心浪潮"；2026年CES大會上，他再次重申這一產業爆發節點。行業共識的持續強化，印證了物理AI已從實驗室的前沿探索，正式邁入產業化的關鍵窗口期。

物理AI的本質，是給聰明的“大腦”裝上能看的“眼睛”、能動的“身體”。 AI不再僅僅是處理數據的信息系統，而是要真正理解重力、摩擦力、慣性等物理規律，從而“懂得干活”。這意味著AI系統必須具備在真實世界中"感知—推理—行動—反饋"的完整閉環能力——這恰恰是傳統生成式AI所不具備的物理世界交互基因。

當前，物理AI的市場空間正在以驚人的速度擴容。

物理AI所覆蓋的具身智能、人形機器人、工業柔性制造、智能駕駛、醫療機器人等領域，正在匯聚成一個萬億級的產業藍海。巴克萊銀行(Barclays)預計，到2035年，整個物理AI市場規?？赡苓_到5000億美元至1.4萬億美元。據國際知名咨詢機構沙利文預測，到2030年，中國物理AI仿真及數據平臺市場規模將突破1800億元人民幣。

物理AI行業拐點的到來，是多重產業條件全面成熟的必然結果。多模態大模型、高保真仿真環境、機器人硬件產業鏈日趨完善，形成完備的底層支撐；需求端，工業智造、智能物流、自動駕駛、特種作業等場景需求集中爆發，疊加無人出行等終端應用快速滲透，物理AI加速邁入商業化落地階段。

眼下，全球科技巨頭已全線重兵押注物理AI賽道。從芯片巨頭到云服務商，從機器人企業到汽車制造商，物理AI正成為新一輪科技競爭的戰略制高點。

邊緣計算：物理AI落地的"大腦皮層"

產業條件的成熟與巨頭的重兵押注，讓物理AI的落地從“能不能”變成了“快不快”。但當物理AI走向規?；渴穑粋€更深層的挑戰浮出水面：現有的算力架構，能否支撐復雜多變的真實物理場景？

過去的AI大模型更多依托云端的超強算力完成數據處理和推理，終端設備只是簡單的“傳聲筒”。而在物理AI時代，機器需要即時響應、數據無需跨網傳輸、隱私必須本地保護——邊緣計算不再是云計算的補充，而是成為了物理AI時代的“第一現場”與核心剛需。

這一戰略地位已獲得產業頂層的強力確認。在最新的財報中，英偉達首次將“邊緣計算”單列為獨立板塊，明確涵蓋用于物理AI和代理式AI的數據處理設備。這一舉動向市場釋放了強烈信號：沒有邊緣計算，Agent AI和物理AI就無法真正落地。

剖析物理AI的運行流程，邊緣計算的核心價值不可替代：

1. 感知與認知：算力卸載，釋放端側壓力

物理AI需實時處理來自激光雷達、毫米波雷達、觸覺傳感器等多模態海量數據，且具身大模型參數量激增。端側設備受限于散熱與續航，難以獨立支撐。邊緣計算作為距離設備最近的“算力卸載點”，能高效融合多傳感器數據，流暢運行復雜場景理解模型，極大釋放端側壓力。

2. 決策與執行：全局視角，統籌群體智能

端側設備天然存在“單體視野”局限。在無人工廠、智慧物流等多機協同場景中，極易導致路徑沖突。邊緣節點能提供“全局視角”，統籌路徑規劃與防碰撞調度，實現從“單機智能”向“群體智能”的跨越。同時，它也是關鍵的安全防線，能在端側AI偶發異常時實現毫秒級急停接管。

3. 學習與進化：數據不出域，場景越用越聰明

物理AI的進化依賴于對長尾場景（Corner Cases）的持續學習。海量數據直傳云端不僅面臨帶寬延遲，更存在嚴峻的商業隱私風險。邊緣計算通過聯邦學習等技術，在本地完成經驗聚合與模型微調，確?！皵祿怀鲇颉钡耐瑫r，實現分布式進化，讓AI在特定場景中越用越聰明。

全球玩家紛紛布局

在這股浪潮中，邊緣計算產業正經歷從"連接管道"到"智能底座"的價值重構。以下從硬件、軟件、服務三個維度，剖析主要玩家的動作。

• 邊緣硬件

NVIDIA提出了"三臺計算機"解決方案——云端DGX訓練、Omniverse仿真、Jetson邊緣部署——并配套推出Isaac GR00T N1.5 VLA模型、Cosmos世界基礎模型，試圖構建"機器人領域的安卓生態"。宇樹科技、優必選Walker S2、Figure AI等主流人形機器人已采用Jetson作為核心算力。

華為昇騰310P已成為邊緣AI標桿平臺，截至2025年生態已發展80多家硬件伙伴，推出200多款場景化產品。華為云還將CloudRobo具身智能平臺引入多地創新中心，覆蓋工業機器人、人形機器人、復合機器人等全品類。

此外，高通推出Ventuno Q單板計算機，AMD以Xilinx FPGA和Ryzen Embedded系列切入工業自動化，Hailo、銀牛微電子等新銳則以高能效比和3D視覺感知芯片爭奪細分賽道。

• 邊緣軟件

NVIDIA的軟件棧最為完整：Isaac Sim/Lab提供開源仿真與合成數據生成，Cosmos賦予機器人物理規律理解能力，GR00T N1.5作為VLA模型在Jetson Thor上實現實時推理。

高通收購Edge Impulse后，開發者社區擴張至25萬，降低了在資源受限設備上部署視覺模型的門檻。

• 邊緣服務

硬件和軟件構成骨骼與神經，但物理AI的真正落地，依賴服務層提供的云-邊-端協同與商業模式創新。這一層，以國內代表網宿科技舉例。

網宿科技全球部署3000+邊緣節點，覆蓋90多個國家和地區，可為AI及物理AI的落地提供邊緣智能服務。網宿已推出邊緣AI網關、邊緣模型推理、邊緣AI應用等多款邊緣AI產品，邊緣AI業務已在智能駕艙、車聯網、智能安防、智能家居、智慧醫療等物理AI相關場景中驗證價值，這些場景的共同特征是"低時延剛性需求+高并發+本地化部署"。

除網宿外，云邊協同也在加速。華為云CloudRobo、西門子工業邊緣云將行業Know-How與邊緣算力打包輸出；RaaS（機器人即服務）模式在物流、清潔、巡檢領域推廣，客戶按工作量付費，極大降低部署門檻，預計到2026年解決方案和RaaS收入占比將首次超過30%。

端邊云協同：共筑物理AI時代的終極算力架構

如果用人體神經系統來比喻物理AI的算力架構：端側芯片是負責條件反射與底層控制的“小腦”——快速、本能、低功耗；云端是匯聚通用知識的“圖書館”——海量、全面，但距離遙遠；邊緣計算則是負責復雜推理、群體協同與場景化學習的“大腦皮層” ——既具備足夠的算力深度，又保持著對物理世界的近距離感知。

端、邊、云的深度協同與混合架構，才是物理AI大規模部署的必由之路。

當巨頭們默契宣告“物理AI時代已經到來”時，一個萬億級市場悄然開啟，一場關于人類與機器如何共同改造真實世界的深刻變革，已然拉開帷幕。在這一背景下，邊緣計算與物理AI的融合，正是當下最具敘事張力的技術-產業交叉點。